现代工业体系中的机械设备如高铁、智能机器人、机械臂及大型设备的生产线等都离不开旋转机械及轴承。轴承在承受高速重载的同时也会面对高低温差等复杂工况,轴承长时间工作于这种环境中非常容易发生微小损伤并扩展致使轴承损坏从而影响设备的运转。一个健康的轴承是设备正常运转的基础,而容易损坏并导致设备运行失效的轴承是设备发生故障的最大隐患之一。因此,非常有必要对轴承的状态进行监控并诊断其是否发生故障。基于故障特征提取的信号处理方法是故障诊断领域的关键技术之一。由于轴承呈周期性运转,当轴承某部位发生故障时加速度传感器采集的信号中会出现周期性脉冲。提取信号中包含该冲击信息的分量可以提高故障诊断的速度和准确率。对众多信号处理方法研究后发现,经验小波变换在处理平稳信号时,通过分割频谱及滤波重构的方式可以提取不同频率成分的分量,具有自适应性及可靠的数学推导过程。对经验小波变换中与经验模态的个数及最终分解效果直接相关的频谱分割问题进行了深入研究,优化滤波边界,提出了快速经验小波变换。随后讨论了快速经验小波变换中关键函数与周期性脉冲之间的关系,提出了基于趋势谱和关键谱负熵的轴承故障特征自适应提取方法。对顺序统计滤波器的包络特性和经验小波变换的滤波特性进行研究后发现,顺序统计滤波器可用于快速估计信号的上包络或下包络,在许多算法中可进行拓展应用。第四章基于此提出了自适应谱峭度,通过递增顺序统计滤波器的窗宽以更改包络极值点个数来获得不同的滤波器组,依据信号频率成分的分布特性可获得最佳滤波效果。用基于信号频谱特征获得边界的方法代替了快速谱峭度的均分法,分割出的调制信息具有完整性。针对局部均值分解方法的不足和缺陷,采用顺序统计滤波器和经验小波变换来优化乘积函数的提取过程。制定了基于顺序统计滤波器的包络规则。通过不同插值次数的计算效果和耗时验证了顺序统计滤波器优于插值方法。通过仿真信号和添加不同信噪比的噪声验证了谱负熵具备更强的抗噪能力,提出了基于谱负熵的自适应停止准则。仿真信号和实验信号验证了上述各方法,结果表明以上方法适用于滚动轴承外圈故障特征提取和复合故障特征提取。